基于模糊信息融合的電梯故障診斷研究

周獻(xiàn)　呂小艷　左可

【摘 要】針對(duì)電梯工作狀態(tài)的綜合性和復(fù)雜性，為了提高其故障診斷準(zhǔn)確率，采用多信息融合技術(shù)進(jìn)行電梯故障診斷，建立了基于模糊信息融合的電梯故障診斷模型，并將此診斷模型用于電梯驅(qū)動(dòng)系統(tǒng)的故障診斷。通過(guò)對(duì)單傳感器診斷結(jié)果和信息融合診斷結(jié)果進(jìn)行比較，表明該模型和算法具有較高的診斷精度。

【關(guān)鍵詞】電梯；故障診斷；模糊信息融合

中圖分類(lèi)號(hào)： TD634.1；TD528.1 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）12-0031-002

DOI：10.19694/j.cnki.issn2095-2457.2018.12.013

Study on fault diagnosis of elevator based on fuzzy information fusion

ZHOU Xian LV Xiao-yan ZUO Ke

（Institute of Elevator Technology， Hunan Vocational and Technical College of Electronics， Xiangtan Hunan 411100， China）

【Abstract】In order to improve the accuracy of elevator fault diagnosis， this paper puts forward a fault diagnosis algorithm using multi-information fusion technology. The fault diagnosis model of fuzzy information fusion is set up. At last， this model is used to diagnose elevator fault of driving system. The simulation of the fault phenomena has the good effect of this fault diagnosis system.

【Key words】Elevator； Fault diagnosis； Fuzzy information fusion

近年來(lái)，隨著我國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)健增長(zhǎng)、城鎮(zhèn)化建設(shè)的加速以及房地產(chǎn)行業(yè)的進(jìn)一步發(fā)展，電梯在人們?nèi)粘Ｉ钪腥諠u普及。雖然電梯的安全性、可靠性有了顯著提升，但人們對(duì)電梯運(yùn)行的安全性、舒適性以及實(shí)時(shí)故障診斷和預(yù)測(cè)都提出了更高的要求。電梯是復(fù)雜的機(jī)電一體化設(shè)備，其故障存在多樣性、不確定性和復(fù)雜性等特點(diǎn)，采用單一的故障診斷方法無(wú)法對(duì)電梯故障實(shí)施精確診斷。多傳感器信息融合技術(shù)的快速發(fā)展，為解決復(fù)雜系統(tǒng)故障診斷的不確定性問(wèn)題提供了一種新的方法。

1 模糊信息融合故障診斷方法研究

信息融合技術(shù)是針對(duì)同一對(duì)象，利用多個(gè)傳感器綜合獲取各類(lèi)故障信息，最后進(jìn)行故障診斷。目前，故障診斷的信息融合方法按其融合算法不同，主要有以下幾種：基于貝葉斯定理信息融合故障診斷方法；基于模糊信息融合故障診斷方法；基于DS證據(jù)理論信息融合故障診斷方法；基于神經(jīng)網(wǎng)絡(luò)信息融合故障診斷方法等。多傳感器信息融合故障診斷在復(fù)雜系統(tǒng)故障診斷準(zhǔn)確率上具有優(yōu)勢(shì)，但在具體融合算法上面有一定的局限性。如貝葉斯算法中先驗(yàn)知識(shí)概率難以確定；模糊算法中各個(gè)傳感器的權(quán)重選擇具有一定的主觀性；DS證據(jù)理論中故障信度函數(shù)的確定也存在著人為因數(shù)；神經(jīng)網(wǎng)絡(luò)信息融合算法不僅存在故障隸屬度值確定困難，還存在難以獲取訓(xùn)練樣本的問(wèn)題[1]。在融合算法實(shí)際應(yīng)用中既要考慮到各自的不足，又要發(fā)揮其優(yōu)點(diǎn)，設(shè)計(jì)出高質(zhì)量的診斷系統(tǒng)。

在電梯故障診斷系統(tǒng)中，存在傳感器數(shù)目少，故障樣本難以獲取等不利因數(shù)，而且電梯設(shè)備和故障產(chǎn)生機(jī)理之間存在著復(fù)雜性和不確定性的問(wèn)題，本文選擇模糊信息融合算法進(jìn)行電梯故障診斷方法設(shè)計(jì)。

2 基于模糊信息融合的電梯故障診斷模型

模糊信息融合的電梯故障診斷系統(tǒng)結(jié)構(gòu)如圖1所示。電梯故障診斷的過(guò)程可以分為：

（1）信號(hào)采集。通過(guò)在電梯機(jī)房、轎廂安裝傳感器，采集電梯運(yùn)行狀態(tài)信號(hào)，如等變頻器電壓（電流）、轎廂垂直加速度。

（2）模糊變換。將采集到的數(shù)據(jù)進(jìn)行模糊化處理，建立模糊關(guān)系矩陣，與傳感器權(quán)重向量進(jìn)行合成運(yùn)算，得到模糊變換結(jié)果。

（3）故障診斷。將上述結(jié)果按照一定的規(guī)則進(jìn)行評(píng)判，最終判定系統(tǒng)的故障類(lèi)型。

3 基于模糊信息融合的電梯故障診斷方法

模糊理論的基本思想是把普通集合中的絕對(duì)隸屬度關(guān)系模糊化，使元素對(duì)集合的隸屬度從原來(lái)只能取0或者1擴(kuò)充到[0，1]區(qū)間中的任意數(shù)值，適用于對(duì)不確定性進(jìn)行描述和處理。在應(yīng)用多傳感器信息進(jìn)行融合時(shí)，模糊集理論采用隸屬度函數(shù)來(lái)表示各傳感器信息的不確定性，再利用模糊變換進(jìn)行數(shù)據(jù)處理[2]。

假設(shè)A為被診斷電梯典型故障點(diǎn)集合，如變頻器故障、制動(dòng)器故障等；B為傳感器信息集合，如前述變頻器、轎廂垂直加速度等電梯運(yùn)行狀態(tài)信號(hào)。A和B的關(guān)系矩陣RA×B中的元素μij為由傳感器i推斷決策為j的可能性，X為各個(gè)傳感器判斷的可信度值，經(jīng)模糊變換得到的Y為融合后各決策的可能性。如果診斷系統(tǒng)中有m個(gè)傳感器，而診斷系統(tǒng)可能的決策有n個(gè)，那么

A={y1/決策1，y2/決策2，…，yn/決策n}

B={x1/傳感器1，x2/傳感器2，…，xm/傳感器m}

傳感器對(duì)所有可能決策的判定，用定義在A上的隸屬度函數(shù)表示。設(shè)傳感器i對(duì)待診斷系統(tǒng)的判定結(jié)果為：[μi1/決策1，μi2/決策2，…，μin/決策n]，其中0<μij<1，μil為結(jié)果為決策j的可能性， 記為向量，（μi1，μi2…，μin），m個(gè)傳感器構(gòu)成AB的關(guān)系矩陣

將各傳感器判斷的可信度用B上的隸屬度X={x1/傳感器1，x2/傳感器2，…，xm/傳感器m}表示，則由Y=X×RA×B進(jìn)行模糊變換，便可得到融合后的診斷結(jié)果Y=（y1，y2，…，yn）， 即融合后的各故障決策的可能性集合。

最后，對(duì)各個(gè)故障決策的可能性集合按照一定的權(quán)重進(jìn)行選擇，得出最優(yōu)結(jié)果。對(duì)故障進(jìn)行決策時(shí)，采用基于規(guī)則的方法，基本原則如下[3]：

（1）判定的決策目標(biāo)應(yīng)具有最大的隸屬度值。

（2）判定的決策目標(biāo)的隸屬度值要大于某一閾值，具體數(shù)值要視實(shí)際問(wèn)題而定。

（3）判定的決策目標(biāo)和其他目標(biāo)的隸屬度值之差要大于某個(gè)門(mén)限。

模糊數(shù)據(jù)融合故障診斷算法流程如圖2所示。首先采集電梯狀態(tài)數(shù)據(jù)并進(jìn)行模糊化處理，建立關(guān)系矩陣，獲取各個(gè)傳感器的權(quán)重向量，和關(guān)系矩陣做乘法運(yùn)算，進(jìn)一步得到診斷隸屬度結(jié)果矩陣，最后依據(jù)故障判定原則得到最終診斷結(jié)果。

4 實(shí)驗(yàn)結(jié)果分析

經(jīng)過(guò)對(duì)載重量1000Kg，額定速度1.25m/s的10層客梯進(jìn)行實(shí)驗(yàn)數(shù)據(jù)分析，以電梯驅(qū)動(dòng)系統(tǒng)過(guò)載為例進(jìn)行實(shí)驗(yàn)數(shù)據(jù)分析。系統(tǒng)采集的傳感器信息有變頻器主回路電壓、變頻器輸入三相電壓、變頻器輸出三相電流信號(hào)以及轎廂垂直加速度。預(yù)判定的故障狀態(tài)有變頻器故障A1、電機(jī)缺相故障A2、電機(jī)過(guò)載A3、制動(dòng)器松閘力不足A4。

表1 單傳感器單獨(dú)故障識(shí)別與模糊信息融合故障識(shí)別結(jié)果診斷表

表1為以變頻器故障為例，分別采用單傳感器單獨(dú)故障識(shí)別與多傳感器模糊信息融合故障識(shí)別結(jié)果診斷表。表中第一項(xiàng)至第四項(xiàng)為從變頻器主回路電壓、變頻器輸入三相電壓、轎廂垂直加速度、變頻器輸出三相電流單個(gè)傳感器信息所得到的故障的隸屬度值，第五項(xiàng)為模糊信息融合后的隸屬度值。故障判定過(guò)程中，取決策目標(biāo)的隸屬度最小閾值為0.5，決策目標(biāo)和其他目標(biāo)的隸屬度值之差最小閾值為0.3，從表中可以看出，前四種傳感器單獨(dú)識(shí)別時(shí)，故障點(diǎn)判定準(zhǔn)確率低，采用模糊信息融合算法后能完全識(shí)別出來(lái)，減少了由于單傳感器提供信息量少而產(chǎn)生的誤診現(xiàn)象，有效地提高了故障點(diǎn)定位的準(zhǔn)確率。

5 結(jié)束語(yǔ)

通過(guò)對(duì)多信息融合故障診斷系統(tǒng)的分析和研究，建立了一種基于模糊信息融合的電梯驅(qū)動(dòng)系統(tǒng)故障診斷模型，并進(jìn)行了初步實(shí)驗(yàn)，仿真結(jié)果表明利用該模型和算法可以獲得較高的診斷精度。與其他故障診斷方法相比，模糊信息融合方法具有簡(jiǎn)單實(shí)用的特點(diǎn)，具有進(jìn)一步研究和發(fā)展價(jià)值。

【參考文獻(xiàn)】

[1]朱大奇，劉永安.故障診斷的信息融合方法[J].控制與決策，2007，22（12）.1321-1328.

[2]朱大奇，于盛林，田裕鵬.應(yīng)用模糊數(shù)據(jù)融合實(shí)現(xiàn)電子電路的故障診斷[J].小型微型計(jì)算機(jī)系統(tǒng)，2002，23（5）：633-635.

[3]韓靜，陶云剛.基于D-S證據(jù)理論和模糊數(shù)學(xué)的多傳感器數(shù)據(jù)融合算法[J].儀器儀表學(xué)報(bào)，2000，21（6）：644-647.

[4]馮鑫，夏洪山，馮月貴等.基于遺傳神經(jīng)網(wǎng)絡(luò)的電梯故障診斷技術(shù)研究[J].起重運(yùn)輸機(jī)械，2017（1）：28-32.

[5]孫文義，馬淑華，顧德英.模糊數(shù)據(jù)融合故障診斷在電纜監(jiān)測(cè)中的應(yīng)用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2010（2）：18-19.

[6]李端，艾永樂(lè).神經(jīng)網(wǎng)絡(luò)信息融合用于電梯故障診斷的研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（14）：231-234.

[7]Luo Zhi-zeng.A target recognition and classification method based on fuzzy data fusion[1].chinese Journal Of Scientific Instrument，1999，20（4）：401-404.

[8]Han Jing，Tao Yun-gang.Data fusion algorithm of multisensory based on D-S evidential theory and fuzzy mathematics[J].Chinese Journal Of Scientific Instrument，2000，21（6）：644-647.